Áudio em texto — transcrição em parágrafos com etiquetas de falante

Depois de escolher o arquivo, marque «Etiquetar falantes» no bloco «Falantes» — aparece o campo «Quantas pessoas falam». Deixe vazio e o número é estimado de ouvido; mas se souber quantas pessoas há na gravação, digite: com vozes parecidas (duas colegas, irmãos, pessoas da mesma idade) é bem mais preciso do que adivinhar. No texto pronto, clique em «Falante 1» e digite um nome — ele vale para todas as falas dessa pessoa e para os arquivos baixados.

Isso acontece em gravações muito longas e onde as vozes quase não se distinguem: então aparece sobre o texto um aviso de que as etiquetas não puderam ser colocadas, e o texto em si é mantido por inteiro. Informe o número de participantes em «Quantas pessoas falam» e rode a transcrição de novo — com o número conhecido, as vozes se separam com mais segurança. Se a gravação foi feita em faixas separadas (cada pessoa no seu canal), a ferramenta oferece reconhecer cada faixa em separado — a opção mais precisa.

Acima do texto pronto há dois interruptores — «Tempos» e «Falantes». Desmarque o que não precisa e ele some não só da tela, mas também da cópia, do DOCX, do PDF e do TXT: você baixa exatamente o que vê. As legendas SRT e VTT sempre levam o tempo — é ele que põe cada linha no seu segundo do vídeo.

Escolha o processamento no servidor: o arquivo vai para o nosso servidor, a aba pode ser fechada e, quando o texto ficar pronto, chega um e-mail com o link. Uma cópia do resultado espera em «Minhas gerações», então a transcrição não some com o navegador fechado. Esses arquivos também podem ser processados no navegador, mas levam horas e dependem de a aba ficar aberta.

Abra «Nomes e termos» antes de começar e liste-os separados por vírgula: sobrenomes dos participantes, nomes de empresas e produtos, vocabulário profissional. O reconhecimento usa a lista como dica e os escreve como você indicou, e não pelo som. A lista fica guardada no navegador e é preenchida na próxima vez.

Antes de tudo, da própria gravação: um telefone sobre a mesa no meio de uma reunião, música ao fundo e pessoas falando ao mesmo tempo produzem mais erros do que qualquer escolha de modelo. Para o russo, o modelo do servidor erra bem menos em gravações de telefone e «de sala» do que o do navegador. Se a gravação está abafada ou com ruído, passe-a primeiro pela restauração de voz — o link fica ao lado das configurações.